Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Cointegracin
Introduccin
Cointegracin
Regresin Espuria
Segn Granger y Newbold (1974) regresiones espurias son aquellas regresiones entre dos variables que
muestran las siguientes caractersticas:
1.
2.
La estimacin de un modelo economtrico temporal, que relaciona a una de ellas con la otra, proporciona
elevada bondad del ajuste y un valor del estadstico Durbin-Watson (DW) llamativamente bajo, muy inferior al
valor 2 que correspondera a la ausencia de autocorrelacin e inferior al lmite inferior del test de DurbinWatson (DW)
Cointegracin
Cointegracin
Cointegracin
Cointegracin
Cointegracin
, porque su varianza
Cointegracin
Algunos Ejemplos
La hiptesis de la renta permanente (PIH) implica cointegracin entre el
consumo y el ingreso.
Los modelos de demanda de dinero implica cointegracin entre el dinero, el
ingreso nominal, los precios y las tasas de inters.
Los modelos de crecimiento implica la teora de la cointegracin entre el
ingreso, el consumo y la inversin.
Paridad de poder adquisitivo (PPP) implica cointegracin entre el tipo de
cambio nominal y los precios extranjeros y nacionales.
La ecuacin de Fisher implica cointegracin entre las tasas de inters
nominales y la inflacin.
La hiptesis de las expectativas de la estructura temporal implica cointegracin
entre las tasas nominales de inters a distintos plazos.
Cointegracin
Procedimientos de Cointegracin
Procedimiento de Engel Granger
Aplicable a modelos uniecuacionales de dos (o ms variables)
Mtodo en dos etapas basado en los residuos estimados.
Asume a priori que existe un solo vector de cointegracin en el modelo.
El resultado de este mtodo de cointegracin puede cambiar dependiendo de
cual variable se seleccione como dependiente.
Procedimiento de Johansen
Aplicable a sistemas de ecuaciones.
Est basado en modelos VAR.
Es un test de mxima verosimilitud que requiere muestras grandes (100 o ms
datos).
Prueba la existencia de mltiples vectores de cointegracin entre las variables,
mediante la prueba de la traza y el valor propio mximo.
Se basa en la relacin entre el rango de la matriz y sus races caractersticas.
Mg. Vctor M. Chung Alva
Cointegracin
Procedimientos de Cointegracin
Procedimiento de Engle y Granger
Paso 1: Determine el orden de integracin de las variables
Si las variables y son estacionarias de orden I(0), no es necesario continuar con la prueba debido a que
los mtodos estndar de estimacin son suficientes para estimar la relacin a largo plazo entre las variables
(en otras palabras, podemos aplicar el anlisis de regresin clsico de los MCO).
Si las variables y resultan integradas de diferente orden, digamos por ejemplo orden; I(o), I(1), I(2), etc.,
es posible concluir que ellas nos estn cointegradas y por lo tanto no se deben aplicar los mtodos
convencionales de estimacin, por cuanto produciran resultados espurios.
Si las variables y resultan tener el mismo orden de integracin, por ejemplo de orden I(1), entonces se
Cointegracin
Procedimientos de Cointegracin
Procedimiento de Engle y Granger
Paso 2: Estimar la ecuacin de regresin
Si los resultados del paso 1 muestran que las variables y estn integradas con el mismo orden, digamos el
orden I(1) en economa las variables generalmente resultan integradas de orden I(1)--, el siguiente paso consiste
Cointegracin
10
Procedimientos de Cointegracin
Procedimiento de Engle y Granger
Paso 3: Estimar el Modelo de Correccin de Errores
Si las variables estn cointegradas, entonces se pueden utilizar los residuos de la regresin de equilibrio para
estimar el modelo de correccin de errores y analizar los efectos a largo y a corto plazo de las variables, as como
tambin estimar el coeficiente de ajuste, el cual es el coeficiente del trmino residual re-tardado de la relacin de
equilibrio a largo plazo identificado en el paso 2. Al final se debe chequear para ver si el modelo realiza pruebas
adecuadas de diagnstico.
Cointegracin
11
Procedimientos de Cointegracin
Procedimiento de Johansen
1. Determinar el orden de Integracin de cada una de las variables a ser incluidas en el
2.
3.
4.
5.
modelo.
Especificar un vector autorregresivo (VAR) con las series que resulten integradas de
orden I(1).
Seleccionar las variables del modelo.
Seleccionar las transformaciones de las variables, si las hubiese.
Determinar el retardo ptimo del VAR para asegurar que los residuos sean de ruido
blanco.
Especificar las variables determinsticas (variables dummy, tendencias, etc.)
Diagnstico del VAR estimado.
Aplicar el mtodo de mxima verosimilitud al vector autorregresivo con el fin de
determinar el rango (r) de cointegracin del sistema:
Prueba de la traza.
Prueba del mximo valor propio.
Estimar el Modelo de Vector de correccin de Errores.
Determinar la relacin causal entre las variables del modelo.
Mg. Vctor M. Chung Alva
Cointegracin
12